浅谈Openv中人脸识别类FaceRecognizer
浅谈Openv 中人脸识别类FaceRecognizer
opencv2.4版本中封装了可用于人脸识别的类FaceRecognizer ，其对应代码在动态链接库opencv_contrib249d.dll 中(我用的是opencv2.4.9版本)，这个动态链接库在opencv 安装目录下可以找到，要想使用FaceRecognizer ，首先要保证上述动态链接库正确配置。在此关于opencv 的配置问题多说几句，就是建议大家尽量使用VS2010及以上版本来配置opencv ，因为在最新的opencv2.4.9版本中已经添加了对vs2010及以上版本的自动支持，无需再用CMaker 进行编译了，配置简单可靠。我之前用的是VS2008版本，在自己编译opencv_contrib249d.dll 这个库时总提示编译出错，如果你也遇到了这个问题，建议你换装vs2010版本吧，至于具体如何配置网上有很多教程，这里不再赘述。
FaceRecognizer 这个类目前包含三种人脸识别方法：基于PCA 变换的人脸识别(EigenFaceRecognizer)、基于Fisher 变换的人脸识别(FisherFaceRecognizer)、基于局部二值模式的人脸识别(LBPHFaceRecognizer)。对于像我这样的人脸识别初学者，对人脸识别理论了解得不是很透彻，但并不影响对函数的使用，下面就EigenFaceRecognizer 来详细的谈一下opencv 人脸识别的实现。
首先简单说一下PCA 变换原理。在人脸识别过程中，一般把图片看成是向量进行处理，高等数学中我们接触的一般都是二维或三维向量，向量的维数是根据组成向量的变量个数来定的，例如(),b X a = 就是一个二维向量，因为其有,a b 两个参量。而在将一幅图像抽象为一个向量的过程中，我们把图像的每个像素定为一维，对于一幅92112?的普通图像来说，最后抽象为一个9211210304?=维的高维向量，如此庞大的维数对于后续图像计算式来说相当困难，因此有必要在尽可能不丢失重要信息的前提下降低图像维数，PCA 就是降低图像维数的一种方法。图像在经过PCA 变换之后，可以保留任意数量的对图像特征贡献较大的维数分量，也就是你可以选择降维到30维或者90维或者其他，当然最后保留的维数越多，图像丢失的信息越少，但计算越复杂。至于具体PCA 变换的原理，网上有很多好的博客，也有很多专业论文来论证，有兴趣的可以查阅。
下面来谈一谈具体如何使用这个人脸识别类。首先需要一个人脸库，因为你想让计算机识别人脸，首先得让计算机知道不同的人长什么样不同的脸。网上有很多现成的人脸数据库，我在做实验时选用了ORL 数据库。数据库中包含40个人的人脸图像，每人十张，共400张，有bmp 和png 两种格式，大小均为92112?。数据库中有光照变化(中心光照、左侧光照、右侧光照)、表情变化(开心、正常、悲伤、瞌睡、惊讶、眨眼)、眼镜(戴眼镜或者没戴)，且包含男性图片和女性图片，比较适合做人脸识别的仿真实验。唯一的不足就是照片中全部为外国人，如果你想开发出一套人脸识别系统在国内用，建议还是费点功夫自己建一个合适的人脸数据库吧。
人脸库确定之后需要进行训练，即让计算机“学习”这些人脸样本。这时面临的一个问题就是如何把训练样本读进内存中。opencv 手册中明确说明EigenFaceRecognizer 的训练
函数的入口参数是一个图像容器，容器中包含所有训练图像。那么如何创建一个这样的容器并把训练样本全部放进去呢？方法有很多，我在实验中采用CSV文件读取方法。首先创建一个包含所有文件路径名的CSV文件，也就是一个文本文件。假设ORL数据库存放地址为：“E:\ORL”；在DOS窗口下输入命令：E:\ORL>dir /b/s *.bmp > at.txt，执行成功后发现在ORL 文件夹下出现一个文本文件at.txt，里面内容如下(分号后面的标签是人为添加的)：E:\ORL\s1\1.bmp;1
E:\ORL\s1\10.bmp;1
E:\ORL\s1\2.bmp;1
E:\ORL\s1\3.bmp;1
E:\ORL\s1\4.bmp;1
E:\ORL\s1\5.bmp;1
E:\ORL\s1\6.bmp;1
E:\ORL\s1\7.bmp;1
E:\ORL\s1\8.bmp;1
E:\ORL\s1\9.bmp;1
E:\ORL\s10\1.bmp;10
E:\ORL\s10\10.bmp;10
E:\ORL\s10\2.bmp;10
E:\ORL\s10\3.bmp;10
E:\ORL\s10\4.bmp;10
E:\ORL\s10\5.bmp;10
E:\ORL\s10\6.bmp;10
E:\ORL\s10\7.bmp;10
E:\ORL\s10\8.bmp;10
E:\ORL\s10\9.bmp;10
CSV文件创建成功后，可以在程序中读取文件了，网上有一段比较好的CSV读取代码，如下所示：
void read_csv(const string& filename, vector
{
std::ifstream file(filename.c_str(), ifstream::in);//c_str()函数可用可不用，无需返回一个标准C类型的字符串
if (!file) {
string error_message ="No valid input file was given, please check the given filename.";
CV_Error(CV_StsBadArg, error_message);
}
string line, path, classlabel;
while (getline(file,line))//从文本文件中读取一行字符，未指定限定符默认限定符为“/n”
{
stringstream liness(line);//这里采用stringstream主要作用是做字符串的分割
getline(liness, path, separator);//读入图片文件路径以分好作为限定符
getline(liness, classlabel);//读入图片标签，默认限定符
if(!path.empty()&&!classlabel.empty())//如果读取成功，则将图片和对应标签压入对应容器中
{
images.push_back(imread(path, 0));
labels.push_back(atoi(classlabel.c_str()));
}
}
}
这段代码涉及C++中有关输入输出流iosream的相关知识，这里不作过多描述，如果需要的话可另写一篇文章来专门谈谈void read_csv()这个函数，需要说明的一点是：在使用这个函数的时候必须包含以下几个头文件：
#include
#include
#include
在完成训练数据读取之后就可以真正开始数据训练过程了，首先创建一个图像容器和标签容器来存储训练图像以及对应人脸标签，然后调用void read_csv()填充这两个容器，代码
如下：
string fn_csv = "E:\\ORL\\at.txt";//读取你的CSV文件路径.
vector
vector
read_csv(fn_csv, images, labels);//从csv文件中批量读取训练数据
然后创建一个PCA人脸分类器，暂时命名为model吧，创建完成后，调用其中的成员函数train()来完成分类器的训练，代码如下：
Ptr
model->train(images, labels);
注意，通过createEigenFaceRecognizer()函数来创建分类器时是可以人为指定训练结果的维数以及判别阈值，这里我们采用系统默认的参数。train()函数的执行时间与训练样本图片数目有关，训练ORL的400张图片大约需要一分钟，因此为了避免每次识别时都进行训练，推荐把训练得到的分类器model用save()函数保存成XML文件存储下来，下次用的时候直接用laod()加载就行，具体如下：
model->save("E:\\ORL_PCAModel.xml");//保存路径可自己设置，但注意用“\\”
训练完成之后开始对新输入的图片进行识别，主要使用成员函数predict()来进行识别。注意predict()入口参数必须为单通道灰度图像，如果图像类型不符，需要先进行转换，predict()函数返回一个整形变量作为识别标签，代码如下：
model->load("E:\\ORL\\ORL_PCAModel.xml");//加载分类器
Mat testSample = imread("E:\\2.bmp",CV_LOAD_IMAGE_GRAYSCALE);//读入人脸图片
int predictedLabel = model->predict(testSample);
函数运行完之后变量predictedLabel中存储了识别结果，整个人脸识别过程完成。
需要注意的一点是：EigenFaceRecognizer在完成人脸识别后，还可以输出一些与训练集相关的结构，比如训练集的均值特征脸、重构特征脸等，不过这些与人脸识别的结果没有太大关系，在这里不作赘述。
前面提到过，FaceRecognizer这个类除了支持PCA方法的人脸识别外，还支持另外两种方法，即Fisher变换和局部二值化模式，它们之间的用法大同小异，都是调用一些API函数，对原理不是很了解也没关系，有关代码我已经上传到网上，当然如果大家需要的话可以在评论中注明。
最后需要说明的一点，opencv中封装的这几个方法并不是单纯的为人脸识别服务的，同时人脸识别也不止有这几种方法。这几个函数本质上可以看成模式分类方法，即分类器。图像处理的很多问题最后都可以归结为分类问题，比如性别识别、警觉度识别、美丽度识别等等，人脸识别只是一个应用实例而已，大家不要被局限住，这是一个工具，一个可以用来解决很多分类问题的工具。
人脸识别访客通道管理系统方案(自助访客机)
访客人脸识别系统解决方案 深圳东南创通智能科技有限公司 2018年8月01日 目录 第一章访客系统方案..................................................... 1.1访客系统介绍....................................................... 1.2人脸识别特性....................................................... 1.3场景应用........................................................... 1.4系统流程........................................................... 1.4.1自助访客流程（无人值守）......................................... 1.4.2前期环境配置..................................................... 1.5功能说明........................................................... 1.5.1后台可查询进、出的记录及照片..................................... 1.5.2通过表格导入批量上传照片......................................... 1.5.3临时访客功能..................................................... 1.5.4人脸识别考勤功能................................................. 1.6设备介绍........................................................... 1.6.1自助访客机....................................................... 1.6.2 圆柱式人脸识别门禁 ............................................. 1.7现场安装效果图..................................................... 1.7.2人脸识别通道..................................................... 1.8主要功能简介....................................................... 1.8.1台式访客登记流程................................................. 1.8.2人工预约访客说明................................................. 1.8.3自助访客登记流程................................................. 1.8.4固定用户登记流程................................................. 1.8.5用户登记......................................................... 1.8.6自定义访客凭条................................................... 1.8.7人员信息管理.....................................................
人脸识别道闸管理系统
人脸识别道闸管理系统 一、概述 人脸识别技术简介 随着高科技的蓬勃发展，人体特征分析技术已经作为身份快速识别及视频监控等领域的最新增值点与应用点，在身份识别、智能安防、智能监控、出入管理、证卡认证等方面发挥巨大作用。 面部检测识别技术，是利用计算机图像分析、模型理论、人工智能及模式识别技术的非接触性高端模式识别技术，其可完成从复杂的图像场景中检测、检出特征人像信息，并进行匹配识别的智能分析过程。 面部识别的流程如下图所示： 二、人脸识别道闸管理系统需求 软件的发展给我们的经济带来了很大的推动作用，现在越来越多的软件技术运用于各行各业，市场经济作为经济发展的一部分，推行新的技术对其有很大的帮助作用，而人类面部识别智能化的应用，为工作及生产带来很大便利，提高了效益。比如日常工作中的面部考勤签到，重要客户面部识别，来访人员面部识别等，这些系统的应用为行业及单位带来了很大的收益，因此随着技术的进步，跟上时代的步伐显得尤为重要。 而此次的人脸道闸管理系统正是应用先进的人脸自动识别技术来实现与通道中闸机的自动快速识别与开启，提高办事效率。
三、人脸识别道闸管理系统 3.1系统架构 系统采用了最普通的IP摄像机与工业PC机及TCP/IP网为基础设备，配合人脸智能识别技术为核心，通过协议转换器，使系统在完成人脸识别的同时，也给道闸的闸机一个开关信号，同步开启人行通道的闸机，并且存储、分析所识别的人脸数据，生成统计信息与报表。 系统应用架构分为三部分： 1、人脸采集与制证部分；主要用于通过照片信息或摄像机采集信息把来人身份信息及人脸信息建模、入库，并用于证件信息制作。 2、人脸识别与闸机触发部分；主要通过IP摄像机采集将要通过人行闸机的人员的人脸信息，并跟库中人员信息进行比对，如果识别结果正确，闸机将开启，允许通过。如果库中没有人员人脸信息，则可以通过刷卡方式，开启闸机。 3、人脸识别结果统计与大屏显示；保存人脸识别结果，提供统计分析功能，且能通过大屏显示现场人脸识别情况及查询识别结果。 3.2系统应用部署 3.3系统功能设计 1、人员基础信息管理
人脸识别的技术有哪些你了解吗
人脸识别的技术有哪些你了解吗？ 西安鉴真人脸识别公司告诉你在现如今人脸识别是一种新兴行业。人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。西安鉴真人脸识别公司告诉你人脸识别系统广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。 人脸识别系统具有广泛的应用：人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、人脸识别来访登记、人脸识别ATM机智能视频报警系统、人脸识别监狱智能报警系统、人脸识别RFID智能通关系统、人脸识别公安罪犯追逃智能报警系统等等。西安鉴真人脸识别公司告诉你人脸识别技术包含的三个部分是： (1)人脸检测 面貌检测是指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。一般有下列几种方法： ①参考模板法：首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判断是否存在人脸； ②人脸规则法：由于人脸具有一定的结构分布特征，所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸； ③样品学习法：这种方法即采用模式识别中人工神经网络的方法，即通过对面像样品集和非面像样品集的学习产生分类器； ④肤色模型法：这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。 ⑤特征子脸法：这种方法是将所有面像集合视为一个面像子空间，并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。 值得提出的是，上述5种方法在实际检测系统中也可综合采用。
人脸识别人行通道系统
人脸识别通道系统 （解决方案 - 微控科技） 微控智慧全新推出人脸 / 指纹识别智能通道闸机出入管理控制系统（以下简称通道系统），可 以实现门禁、考勤、限流等功能，还有收费功能。具有对人员出入控制、实时监控、保安防盗报警等 多种功能，它主要方便内部大量人员有序出入，杜绝外来人员随意进出，既方便了内部管理，又增 强了内部的保安，从而为用户提供一个高效和具经济效益的工作环境。 1. 人行通道系统组成 人行通道系统主要由计算机、智能读卡部分、智能闸机、智能卡及管理软件等组成。计算机与智能闸 机之间采用 TCP/IP 网络结构通讯，通讯距离可无限扩展，单台计算机可接任意数量智能闸机。智能闸机，既可联网运行，又可脱机运行。 2. 人行通道系统优势微控面部识别进出人行通道系统是采用非接触式智能技术，研制开发的智能系统，与其它系统相比较，其优势在于：人脸/指纹识别：人脸识别，是基于人的脸部特征信息进行身份识别的一种高安全生物识别技术。用高清摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部指纹识别。成功的解决了一卡多多卡、保密、无卡、操作简便等多种问题，大大提高了系统的实用性。
3. 门禁系统硬件说明 翼闸技术参数： 1. 电源电压：AC220V ±10% 、50Hz ； 2. 驱动电机：直流电机24V/100W ； 3.工作环境温度：—30 C?+70 C； 4.相对湿度：相对湿度w 95%、不凝露； 5 .输入接口：12V电平信号或脉宽〉100ms的12V脉冲信号； 6 .驱动电流：>200mA ； 7.通信接口：电气标准/TCPT 通讯； 8.通信距离：局域网通讯； 9. 最大通道宽：550mm ； 10. 通行速度：＜40人/分钟； 11. 闸门开、关时间： 1.5 秒（可调）；（指纹消费扣款成功后开闸） 12. 外形尺长1000* 宽300* 高980mm（可定制）； 13. 结构：框架结构/ 标准不锈钢外壳； 14. 工作环境：室内、室外。 人脸翼闸功能参数： 1. 全部采用304 不锈钢材质，依据防潮、防尘、防水国际规范设计； 2 .箱体在标准化设计基础上，激光下料、开孔，一次成型技术、机械化拉丝工艺，模块化对接，易于装卸维护，互换程度高； 3.通体不锈钢箱体厚度1.2mm ； 4 .翼闸挡板上独有的冷光源警示装置，业内首创,可选；（需定制） 5. 翼板采用高强度透明材质，配套冷光源背景灯，保障行人夜间安全通行；
人脸识别系统的主要组成部分
现在人脸识别系统运用到很多的领域，不断地完善、改进，但不管如何，其主要的组成部分还是不变的。接下来，就讨论一下主要组成部分都有哪些吧。 一、人脸图像采集及检测 人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。 人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。 二、人脸图像预处理 人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
三、人脸图像特征提取 人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。 四、人脸图像匹配与识别 人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。 以上就是主要的组成部分，感兴趣的可以寻找官网进行了解学习。 浙江大华技术股份有限公司，是全球先进的以视频为核心的智慧物联解决方案提供商和运营服务商，以技术创新为基础，提供端到端的视频监控解决方案、系统及服务，为城市运营、企业管理、个人消费者生活创造价值。
基于matlab的人脸识别算法(PCA)
3.基于matlab的人脸识别算法 3.1 问题描述 对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一幅 N*N 象素的图像可以视为长度为N2 的矢量，这样就认为这幅图像是位于N2 维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次试题采用PCA算法并利用GUI实现。 对同一个体进行多项观察时，必定涉及多个随机变量X1，X2，…，Xp，它们都是的相关性, 一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。 任何一个度量指标的好坏除了可靠、真实之外，还必须能充分反映个体间的变异。如果有一项指标，不同个体的取值都大同小异，那么该指标不能用来区分不同的个体。由这一点来看，一项指标在个体间的变异越大越好。因此我们把“变异大”作为“好”的标准来寻求综合指标。3.1.1 主成分的一般定义 设有随机变量X1，X2，…，Xp，其样本均数记为，，…，，样本标准差记为S1，S2，…，Sp。首先作标准化变换，我们有如下的定义： (1) 若C1=a11x1+a12x2+ … +a1pxp，…，且使 Var(C1)最大，则称C1为第一主成分； (2) 若C2=a21x1+a22x2+…+a2pxp，…，(a21，a22，…，a2p)垂直于(a11，a12，…，a1p)，且使Var(C2)最大，则称C2为第二主成分； (3) 类似地，可有第三、四、五…主成分，至多有p个。 3.1.2 主成分的性质 主成分C1，C2，…，Cp具有如下几个性质： （1) 主成分间互不相关，即对任意i和j，Ci 和Cj的相关系数 Corr(Ci，Cj)=0 i j (2) 组合系数(ai1，ai2，…，aip)构成的向量为单位向量， (3) 各主成分的方差是依次递减的，即 Var(C1)≥Var(C2)≥…≥Var(Cp)
智慧工厂—人脸识别闸机+考勤出入控制解决方案
智慧工厂通道闸机考勤管理系统 应 用 及 解 决 方 案 https://www.wendangku.net/doc/6316093240.html,
目录 目录2 第一章前言3 1、背景及应用目的3 2、系统建设的必要性与可行性3 3、系统建设的主要意义3 第二章人脸识别闸机+考勤方案描述5 1、总体方案简介5 2、人脸闸机控制+考勤系统构架与使用模式6 1人脸闸机控制系统基本组成部分6 2人脸识别闸机控制系统使用模式7 3、人脸识别闸机控制可实现功能8 4、人脸识别闸机控制器参数10 第三章本司人脸识别技术优势11 1、人脸识别产品优势11 2、S HARPI F ACE技术优势11 错误!未定义书签。
第一章前言 1、背景及应用目的 随着经济的快速发展，出入口控制系统已经成为企事业单位必备的系统之一，当前某办公大楼仅有大门有出入口控制系统，每个楼层之间仅为传统防火门，当前无法有效的对通行楼层的人员身份进行有效掌控，存在一定的不足和隐患。 出入口控制系统主要是通过辨识通行人员权限来合理掌控区域通行的系统，传统出入口系统主要为密码、卡片、指纹等门禁系统。此类型系统有些容易丢失、复制而无法精确辨识身份，而指纹只能留下通行记录而无实际通行实时照片，且当前“指纹套”的出现，带来了一定的安全隐患，因此均有不足。企事业单位提升整体形象，加强各类人员身份的辨识需要更新更先进的技术来解决以上问题。 2、系统建设的必要性与可行性 人脸识别出入口控制系统，采用当前国际前沿的非接触式的人脸识别技术做为辨识身份的依据，能够有效解决卡片、密码被复制和遗失风险，能够轻松，使用时无需接触设备，使用方式非常符合人类与生俱来的辨识习惯，且能留下通行时的实时照片，人脸识别闸机+考勤出入口控制系统具备众多专业闸机所需功能，完全能够满足企事业单位出入口控制要求。系统采用专业人脸识别门禁设备与管理平台结合的方式，将安全掌控于轻松管理集于一身，能有效提升企事业单位的形象，有效提升管理效率。 3、系统建设的主要意义 1、加入人脸识别技术以后，可以有效的解决出入口人员身份辨识问题，大大提出入
人脸识别技术
人脸识别技术 人脸识别 人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。 人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点： 非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”； 非接触性：用户不需要和设备直接接触就能获取人脸图像； 并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别； 除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。 人脸识别技术流程 人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。 人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。 人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。 主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。 人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。 人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处
人脸识别主要算法原理
人脸识别主要算法原理 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧 面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进，其基本思想是: 设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。 这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。 2. 局部特征分析方法（Local Face Analysis） 主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的 基础。 3. 特征脸方法（Eigenface或PCA）
营门出入管理人脸识别系统技术方案
营门出入管理人脸识别 系统技术方案 LEKIBM standardization office【IBM5AB- LEKIBMK08- LEKIBM2C】
营区出入管理人脸识别系统
1.系统概述 根据管理需求对通行人员使用出入管理人脸识别系统进行验证识别。出入管理人脸识别系统实现对人脸的采集、识别和验证。出入管理人脸识别系统主要由人脸注册管理软件、人脸采集摄像机、人脸验证识别服务器组成，具有人脸注册、人脸特征库管理、支持人脸图像的输入、人脸验证识别、记录管理、人脸库参数设置等功能，并提供相应的的软件接口，支持与上层应用系统对接和集成。 2.人员验证识别方式 为了进一步提高出入管理业务的效率，增强内部、来访人员通行的便利性，提出了1:N人脸验证识别方式。 1:N人脸识别业务流程如下所示： 内部人员内部管理中心预先采集所有人员人脸图像信息，来访人员在传达室采集人脸图像信息，人脸图像经过特征提取存储到人脸识别系统人脸库中。 通行人员通过出入口时，设置在出入口的人脸采集摄像机现场采集内部人员人脸信息，与指定人脸库中的N个人脸进行比对，找出最相似的一张脸或多张人脸。根据待识别人脸与现有人脸库中的人脸匹配程度，返回用户信息和匹配度，匹配度超过指定阈值时，对该当通行人员予以放行。在人脸验证识别方式无法正常验证通过时，由执勤人员验证确认后予以放行。流程图见图1。
人脸特征库人脸特征库 人脸照片和身份证信息 出入口 出入管理系统 人脸识别设备 人脸采集摄像机 出入管理系统后台服务 ①信息采集出入管理人脸识别系统组成图如图2、3所示。
图2 出入管理人脸识别系统组成框图 测试机A 测试机B 人脸识别服务器S1 人脸采集摄像机C1 人证采集设备 (身份证T1、军官证T2)图 图2 出入管理人脸识别系统组成与连接关系图
人脸识别技术的弊端
三个方面的缺点： 1.识别精度低 2.自然性、不易察觉以及非接触性也致使人脸识别技术在一些特定领域面临环境复杂性。 便于收集的好处也带来了图像清晰度不高，角度不好等问题 3.人脸识别不只是隐私问题信息泄露面临更大安全隐患 人脸识别的一个缺点也在于信息的可靠性及稳定性较弱。 人脸所蕴含的信息量较指纹、虹膜等生物特征相比是比较少的，其变化的复杂性不够。例如，若要两个人的指纹或者虹膜基本相同，大概需要好几十乃至上百个比特(信息量的度量单位)达到完全重合才可以。但如果是人脸的话，十几个比特达到重合就可以了。在全世界，可以找到很多具有相似性的面孔。所以说，人脸的辨别性不是很高，它并没有那么独一无二。 另外，人自身内在的变化以及外在环境的变化都会影响采集时人脸的信息稳定度。相较于之前的人脸识别技术，目前的人脸识别技术有所提高，但是具体应用时还是不能达到完美状态，如今，保守估计，人脸识别技术准确率能达到99%，但没有达到100%。同时，对于双胞胎，由于相似特征太多，人脸识别基本不可能完成。比如在ATM机上使用人脸识别技术，是在使用密码信息的基础上辅助的认证功能。如果脱离了密码输入，完全使用人脸识别技术进行存取款操作，是不太可能的。 例如，2018年7月，美国公民自由联盟（ACLU）对美国国会议员的照片应用了亚马逊算法，该算法确定其中28人是因犯罪而被捕的人。 如果说双胞胎根本不应该用此技术来进行分辨的情况下，如何解决整容带来的无法辨别的问题？在如今整容手段如此先进的情况下？ 其一，应用“人脸识别”技术的视频采集机器设备愈来愈普及化，会否对大家的人身自由权与隐私权产生威协，这个问题如何解决？其二，人工智能的市场应用，会否产生新的岐视与不公平，并对人们具有的社会道德纪律产生挑战？ 例如：一些商业算法在识别肤色较深的人员和女性方面不如识别肤色较浅的男人准确。
基于MATLAB的人脸识别
基于ＭATＬAB的人脸识别
————————————————————————————————作者: ————————————————————————————————日期:
图像识别 题目:基于MＡTＬAB的人脸识别 院系:计算机科学与应用系 班级: 姓名： 学号： 日期：
设计题目基于MAＴLAＢ的人脸识别设 计技术参数 测试数据库图片10张训练数据库图片20张图片大小１02４×7６8 特征向量提取阈值 1 设计要求综合运用本课程的理论知识,并利用MAＴＬAB作为工具实现对人脸图片的预处理,运用ＰCA算法进行人脸特征提取，进而进行人脸匹配识别。 工作量 两周的课程设计时间，完成一份课程设计报告书，包括设计的任务书、基本原理、设计思路与设计的基本思想、设计体会以及相关的程序代码； 熟练掌握Maｔlab的使用。 工作计划第1-2天按要求查阅相关资料文献,确定人脸识别的总体设计思路； 第３-4天分析设计题目，理解人脸识别的原理同时寻求相关的实现算法；第５-８天编写程序代码，创建图片数据库,运用ＰCＡ算法进行特征提取并编写特征脸，上机进行调试； 第9-12天编写人脸识别程序,实现总体功能； 第13-1４天整理思路,书写课程设计报告书。 参考资料1 黄文梅，熊佳林,杨勇编著．信号分析与处理——MATAＬB语言及应用.国防科技大学出版社，2000 2 钱同惠编著.数字信号处理.北京:机械工业出版社，２004 3 姚天任,江太辉编著.数字信号处理．第2版.武汉:武汉理工大学出版社,200０ 4 谢平，林洪彬，王娜.信号处理原理及应用．机械工业出版社，２00４ 5刘敏，魏玲.Mａｔｌａb.通信仿真与应用.国防工业出版社，20０5 6 楼顺天.基于Ｍatlab7．x 的系统分析与设计.西安电子科技大学,200２ 7孙洪.数字信号处理.电子工业出版社，２001 目录 引言?错误!未定义书签。 1 人脸识别技术?错误!未定义书签。 1.1人脸识别的研究内容?错误!未定义书签。 1.1.1人脸检测(Faｃe Dｅｔection）........... 错误!未定义书签。
人脸识别人员通道方案
1.1人员出入口系统 1.1.1系统概述 针对项目对出入口人员通道闸控制系统的管理需求，结合实际管理状况，本案设计所有进出人员通道控制区域的人员均需刷卡认证后方可通行，系统可以有效防止未授权人员随意进入受控区域，确保内部安全及休息、工作不被打扰。系统可有效控制人员通行秩序，使得出入口通行井然有序，方便人员出入管理。 本系统可将人防和技防有效结合，实现较为理想的管理目标，且有利于出入口的清晰分流管理。 1.1.2系统组成 系统由感应IC卡、感应读卡器、人员通道闸机、通道闸控制器、出入口管理软件及系统工作站等组成。根据出入口通道管理需要，设计选用网络型通道控制主机，通道控制器采用TCP/IP通讯方式进行与上层管理层通讯方式，支持联机或脱机独立运行，并可联动附近视频监控设备进行抓拍存储，人员通道控制系统接入智能建筑综合管理平台可实现设备资源、人员权限与配置的统一管理。 系统架构示意如下图：
图1.人员出入口系统架构 人员身份识别卡：通过随身携带的出入口控制卡实现对出入人员的身份识别。工作人员出入卡主要为内部办公人员及物管人员使用，在介质上使用感应卡实现对人员的出入管控。 识别控制终端：识别终端由感应读卡器、通道控制主机、闸机（人员通道闸机）等设备组成，主要应用于内部人员出入检测。当携带识别卡的人员经过识别区域时，由识别终端进行读卡识别，系统自动识别人员的身份并判断其出入权限，持合法卡方可放行出入。 图像抓拍系统：系统主要用于人员出入时的图像抓拍，当持卡者刷卡经过通道时，系统自动抓拍该人员的进\出图像，并自动存档，便于日后检查核对。同时还可对其他外部人员产生威慑影响，由此使外来人员不敢随意闯入。
人脸识别主要算法原理
人脸识别主要算法原理 主流的技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进，其基本思想是:设计一个参数可调的器官模型(即可变形模板),定义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数即做为该器官的几何特征。 这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。 2. 局部特征分析方法（Local Face Analysis） 主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。 3. 特征脸方法（Eigenface或PCA）
人脸识别论文(基于特征脸)陈立
人脸识别论文（基于特征脸） 学生姓名：陈立学号： 20107977 专业年级： 10级计算机科学与技术一班
摘要 生物特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视。人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。 本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下： （1）对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。 （2）介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。 （3）给出了基于matlab环境的编程及实验结果，并对结果进行分析。 关键词：人脸识别，特征脸，K-L变换，主成分分析
第一章人脸识别概述 1.1 生物特征识别技术 生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生理特征与生俱来多为先天性的;行为特征则是习惯使然，多是后天性的。我们将生理和行为特征统称为生物特征。常用的生物特征包括:指纹、掌纹、虹膜、视网膜、脸像、声音、笔迹等。 那么，生物特征识别技术是如何进行个人特征识别的呢? 生物鉴别的过程分成三个步骤:生物特征数据采样，生物特征提取和特征匹配。数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程，生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息(通常是某种数学上的编码过程)，匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。 生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。生物识别技术在上个世纪己经有了一定的发展，其中指纹识别技术己经趋近成熟，但人脸识别技术的研究目前还处于起步阶段。指纹、虹膜、掌纹等识别技术都需要被识别者的配合，有的识别技术还需要添置复杂昂贵的设备。人脸识别则可以用已有的照片或是摄像头远距离捕捉图像，无须特殊的采集设备，系统的成本低。并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作，这对反恐怖活动等有非常重大的意义。由于人脸识别技术具有如此之多的优势，因此它的应用前景非常广阔，已成为最具潜力的生物特征识别技术之一。 1.2 人脸识别技术 所谓人脸识别，是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个面部主要器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。其研究内容包括以下五个方面：
人脸识别人员通道方案
1.1 人员出入口系统 1.1.1 系统概述 针对项目对出入口人员通道闸控制系统的管理需求，结合实际管理状况，本案设计所有进出人员通道控制区域的人员均需刷卡认证后方可通行，系统可以有效防止未授权人员随意进入受控区域，确保内部安全及休息、工作不被打扰。系统可有效控制人员通行秩序，使得出入口通行井然有序，方便人员出入管理。 本系统可将人防和技防有效结合，实现较为理想的管理目标，且有利于出入口的清晰分流管理。 1.1.2 系统组成 系统由感应IC卡、感应读卡器、人员通道闸机、通道闸控制器、出入口管理软件及系统工作站等组成。根据出入口通道管理需要，设计选用网络型通道控制主机，通道控制器采用TCP/IP通讯方式进行与上层管理层通讯方式，支持联机或脱机独立运行，并可联动附近视频监控设备进行抓拍存储，人员通道控制系统接入智能建筑综合管理平台可实现设备资源、人员权限与配置的统一管理。 系统架构示意如下图：
图1.人员出入口系统架构 人员身份识别卡：通过随身携带的出入口控制卡实现对出入人员的身份识别。工作人员出入卡主要为内部办公人员及物管人员使用，在介质上使用感应卡实现对人员的出入管控。 识别控制终端：识别终端由感应读卡器、通道控制主机、闸机（人员通道闸机）等设备组成，主要应用于内部人员出入检测。当携带识别卡的人员经过识别区域时，由识别终端进行读卡识别，系统自动识别人员的身份并判断其出入权限，持合法卡方可放行出入。 图像抓拍系统：系统主要用于人员出入时的图像抓拍，当持卡者刷卡经过通道时，系统自动抓拍该人员的进\出图像，并自动存档，便于日后检查核对。同时还可对其他外部人员产生威慑影响，由此使外来人员不敢随意闯入。
人脸识别技术分析
人脸识别技术分析 近年来，由于反恐、国土安全和社会安全的需要，世界上各个国家都对安防领域加大了投入。在安防行业中，生物识别一直是市场中备受关注的焦点之一，近年来保持着较高的增长率，其中人脸识别是一个活跃的研究领域，也是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。目前人脸识别技术不断得到发展，该技术广泛应用到电子护照、生物特征身份证、体育场馆、银行、公安等系统中，对安检、奥运反恐、刑侦追逃等有重要意义。当前由于其应用日渐增多该市场份额比重在不断增加，前景普遍被看好。 对于人脸识别的应用，依照摄像机到用户的距离可将其分为近距离人脸识别（普遍必要用户合作）、中距离人脸识别和远距离人脸识别系统（FaceRecognitionataDistance（FRAD）），其中远距离人脸识别技术关注的是在一个广阔区域内进行非合作的人脸自动识别，这种远距离生物特征的提取和识别可以通过采用主动视觉系统解决。目前，在很多商业、安防和国防应用中都需要在开阔区域内进行远距离（10～20米或更远）非合作的人员识别。比如用于安防目的的人员识别和监督、入侵检测，以及在广阔的区域内通过智能摄像机网络进行人员跟踪等。人脸识别与视频监控的无缝对接可极大地提升传统视频监控的预警功能和智能化程度，并极大地拓展人脸识别技术的应用空间。 在近距离人脸识别中，摄像机可以轻松捕捉高辨别率和相对稳定的人脸图像。而可在FRAD应用中，人脸图像质量却是个大难题，可以说，远距离人脸识别是视频人脸识别应用中最具挑战性的形式之一。近年来国内外针对远距离人脸识别的研究很多，从目前的发展情况来看，对于广阔的覆盖区域已经有一些有效的解决办法，如可通过多摄像机主动视觉系统完成FRAD，即系统通过广视场摄像机（
人脸识别技术的几个主要研究方向
人脸识别技术的几个主要研究方向 1 引言 计算机人脸识别是指基于已知的人脸样本库,利用计算机分析图像和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。通常识别处理后可得到的基本信息包括人脸的位置、尺度和姿态信息。利用特征提取技术还可进一步抽取出更多的生物特征(如:种族、性别、年龄..) 。计算机人脸识别是目前一个非常活跃的研究课题，它可以广泛应用于保安系统、罪犯识别以及身份证明等重要场合。虽然人类对于人脸的识别能力很强，能够记住并辨识上千个不同的人脸，可是对于计算机则困难多了，其表现在：人脸表情丰富；人脸随年龄的增长而变化；发型、胡须、眼镜等装饰对人脸造成的影响；人脸所成图像受光照、成像角度以及成像距离等影响。 计算机人脸识别技术是近20年发展起来的，90年代更成为科研热点，仅从1990 年到1999年之间,EI 可检索到的相关文献多达数千篇，关于人脸识别的综述也屡屡可见[1] 。自动人脸识别系统包括两个主要技术环节首先是人脸检测和定位，然后是对人脸进行特征提取和识别（匹配）。本文着重介绍人脸识别技术的各类方法，通过对比指出各类方法的优缺点及今后的发展方向。 2 人脸检测和定位 人脸检测和定位即对于给定的一幅图像检测图像中是否有人脸,若有则确定其在图像中的位置,并从背景中分割出来。这是个极富挑战性的问题，因为人脸是非刚体，且人脸在图像中的大小和方向以及人的肤色和纹理等方面有很大的可变形。人脸检测问题主要有四种：（1）对于给定的一幅人脸图像，将其中的人脸定位并给出其位置；（2）在一幅混乱的单色场景图中检测出所有的人脸；（3）在彩色图像中检测（定位）所有人脸；（4）在某一视频序列中，检测和定位出所有人脸。文献[2]对人脸检测进行了较为详细的综述，指出常用的人脸检测方法有四种：（1）基于知识的方法；（2）基于人脸固定特征的方法；（3）基于模板匹配的方法；（4）基于外貌的方法（Appearance-based methods），在基于模板匹配的方法中所采用的是预先确定的模板，而在基于外貌的方法中其模板的选择是通过对一系列图像的学习而确定的。一般来说，基于外貌的方法依靠统计和学习技术来找出人脸和非人脸图像的相关特征。在该方法中有特征脸法、基于聚类的方法、神经网络方法和支持向量机的方法。CMU库是常用的人脸检测库，主要的算法评定指标为错误接受率（FAR）和错误拒绝率（ARR）。 3 人脸特征提取和识别 目前大部分研究主要是针对二维正面人脸图像，也有基于三维人脸模型的方法，还有一种所谓的混合系统的身份鉴定系统。 3.1 二维正面人脸识别 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大
《人脸识别技术》阅读答案
《人脸识别技术》阅读答案 《人脸识别技术》阅读答案 阅读下文，完成第15-16题。（共6分） ①人脸识别技术，是指基于人的脸部特征信息，通过计算机与生物传感器等高科技手段结合，利用人体固有的生理特性，进行个人身份鉴定的一种生物识别技术。这种技术先对输入的人脸图象或者视频流进行判断，给出每张脸的位置、大小和面部各个主要器官的具体信息。依据这些信息，进一步提取人脸中所蕴涵的身份特征，将其与已知的人脸进行比对，从而识别每个人的身份。 ②与传统的身份鉴定方式相比，人脸识别技术的最大特点就是识别精确度高。人脸识别独具的活性判别能力，保证了他人无法以非活性的照片、木偶、蜡像欺骗识别系统，无法仿冒。此外，人脸识别速度快，不易被察觉。与其他生物识别技术相比，人脸识别属于一种自动识别技术，一秒内可以识别好几次。不被察觉的特点对于一种识别方法也很重要，这会使该识别方法不令人反感。 ③人脸识别技术是基于生物统计学原理来实现的。先通过计算机相关软件对视频里的图像进行人脸图像采集、人脸定位、人脸识别预处理，从中提取人像特征点。然后利用生物统计学的原理进行分析，建立数学模型，即人脸特征模板。将已建成的人脸特征模板与被测者的面像进行特征比对，根据分析的结果给出一个相似值。通过这个值即可确定是否为同一人。现在这一技术已得到广泛应用。
④例如，由于儿童被拐卖事件时有发生，为了保护孩子的安全，有些幼儿园安装了面部识别系统。这些系统主要采用人脸识别加IC/ID卡（非接触式智能卡)双重认证。每一位儿童在入学注册登记时必须提供IC/ID 卡号、儿童面像、接送者面像等相关资料。每次入园、出园时都应刷卡并进行家长人脸认证。如果认证成功，拍照放行；如果认证失败，拍照后报警通知管理员。不论识别成功与否，系统都会记录下被识别者的详细资料。有的系统还有短信扩展功能，家长可在手机上看到认证时所拍的照片以及整个接送过程。这样，有效防止了儿童被拐事件的发生。 ⑤目前，人脸识别技术是生物科技领域在可行性、稳定性和准确性等专业技术指标中数值最高的技术，也是各行各业安全保卫工作中运用最广、效果最好的一种技术。在未来的几年内，它必将超越指纹识别等其他生物技术，成为生物识别技术领域的霸主。 15.本文首先概述了人脸识别技术，然后逐段介绍了人脸识别技术的特点和，以及现在这一技术的，最后说明了它在生物识别技术领域的重要地位。（2分） （共2分）原理（过程）（1分）应用（1分） 本文分别从哪些方面对人脸识别技术进行说明的？ 16.结合文章第②段内容，分析下面两则材料分别着重表现了人脸识别技术的什么特点，并说明理由。（4分） 【材料一】